A股市场的ESG偏好分析

来源:用户上传      作者:周睿

　　摘要：对于在公开交易市场进行交易公司股票价格与公司其ESG表现之间的关系由来已久。本文以A股市场为样本，按照L.A.Taylor、LuboˇsPastor、RobertF.Stambaugh（2020）的框架，构建基于资本资产定价理论的模型。经过系列实证分析，研究结果表明，在样本期内，中国A股市场的股票超额收益与ESG表现存在相反的趋势。也即说明，在A股市场交易者中，存在某种对“绿色”公司的偏好。
　　关键词：ESG；非经济效用；资本资产定价模型；超额收益
　　中图分类号：F23文献标识码：Adoi：10.19311/j.cnki.16723198.2023.04.063
　　1文献综述
　　环境、社会和治理（ESG）标准是一组公司行为标准，可以被具有社会意识的投资者用来筛选潜在投资。自上世纪末以来，越来越多的投资者开始关注潜在投资公司除传统财务表现以外的公司状况，ESG指标成为其至关重要的衡量标准。其中环境标准考虑了公司如何保护环境，例如，包括应对气候变化的公司政策；社会标准检查它如何管理与员工、供应商、客户和经营所在社区的关系；治理则涉及公司的领导层、高管薪酬、审计、内部控制和股东权利等方面。几乎与ESG指标同时诞生的，是一个持久引起投资者和理论家兴趣的问题：公司ESG指标与其股票价格是否存在相关关系？为解答这个问题，近年来大量学者做了相关工作。
　　GunnarFriede、TimoBusch和AlexanderBassen（2015），搜集了上世纪中期以来2000多项关于ESG和财务绩效的实证研究的结果。然后再对搜集的结果进行实证分析，最终分析表明超过2100项前人研究结果显示ESG与公司财务绩效之间存在正相关关系。李谨（2021）基于我国机构ESG评级与A股市场数据，采用因素模型对市场ESG风险溢价与额外收益进行分析与检验。结果表明：（1）未获评公司相对获评公司其股票平均收益率更高，即市场存在ESG风险溢价；（2）高评级公司相对低评级公司其股票平均收益率更高，即前者可以获得ESG额外收益；（3）市场行情不好时，ESG风险溢价和额外收益增加；周晓晓、赵均伟（2021），构建了包含ESG因子的交易策略，发现ESG表现在沪深300内的有效性较高，多头和空头均具有一定的选股能力。中证500成分股内的多头表现较好，但是空头的表现一般。DavidC.Broadstock等人（2021）也对沪深300进行了实证分析，但着重于疫情期间ESG表现于公司股价关系，结论是ESG表现与沪深300股票在COVID-19危机前后的短期累积回报呈正相关，而长期来看投资者可能会将ESG表现解读为未来股票表现或危机时期风险缓解的信号。L.A.Taylor，LuboˇsPastor，RobertF.Stambaugh（2020）分析后认为，ESG股价的表现和整体市场偏好相关，只有当整体市场偏好系数为负数时，ESG表现才会和股票价格表现呈正相关。
　　2研究理论框架
　　本文将按照L.A.Taylor，LuboˇsPastor，RobertF.Stambaugh等人于2020年提出的理框架，对A股市场的ESG偏好做出分析。将公司分为与“绿色”和“棕色”两类，被定义为“绿色”的公司，为社会产生正外部性，而“棕色”公司产生负外部性。同时定义在市场上，投资者具有对可持续发展的偏好或“ESG偏好”。具有“绿色”偏好的代理人从持有“绿色”公司中获得效用，从持有“棕色”公司中获得负效用。ESG偏好是通过为绿色分配一个值来衡量的。正系数代表喜欢“绿色”的公司，负系数代表喜欢“棕色”的公司。当投资者具有“绿色”偏好时，其效用由两部分组成，一部分来自投资组合的实际回报，另一部分来自持有“绿色”公司所带来的非经济利益效用。我们可以继续推论得出结论：当一个投资者具备正向的ESG偏好时，他所要求的预期回报率会下降，其经济利益下降部分将从非经济效用部分得到补充，也就是说当投资者具有正向ESG偏好时，其预期收益率于公司ESG表现呈现负相关关系。
　　3研究假设
　　（1）假设在0至1的时间区间内，有N家公司在市场上交易，以n表示所有公司组合则n=1，…，N.同时假设上场时所有公司股票各自的超额收益率为正态分布。
　　以rn表示超额收益，μr表示预期收益，其残差也满足正态分布∈μ～N（0，∑），即有以下式子：
　　r=μr+∈μ（1）
　　（2）类似的，由于各公司真实ESG表现无法通过观测得到，在此使用g，表示一公司真实ESG表现，以gr表示该公司预期ESG表现，同时假设其残差满足正太分布，∈g～N（0，∑），即有以下式子：
　　g=gr+∈g（2）
　　（3）股票交易市场已处于均衡状态。
　　4研究模型
　　如前所述，本文模型是一个基于资本资产定价理论的模型。根据资本资产定价模型，股票预期收益与其风险呈正相关关系。在此基础上，在预期超额收益中加入ESG表现的收益变量，则均衡条件下股票超额回报率模型如下：

　　μr=βrμM+β1gr+ε（3）
　　其中μr代表股票预期超额回报率，它是一个N×1的向量；μM均衡状态下的市场风险，即整个市场回报率中高于无风险利率的部分；βr代表个股风险系数贝塔，是一个N×1的向量；gr代表个股的预期ESG得分，是一个N×1的向量；β1代表市场综合ESG偏好，是本文的核心分析对象。
　　5实证分析
　　5.1数据来源
　　抽取样本包含沪深300指数中的所有股票，包括沪深两市市值较大、流动性较好的300只股票。沪深300指数被广泛认为是最能反映A股市场整体走势的指数，故用其作为市场代表。对于各公司ESG表现，则使用富时罗素ESG评级数据，评分系统包含环境、社会、公司治理三大核心内容，14个主题评价，300个独立主题评价，300个独立指标组成。在14个主题评价中，每个学科包含10到35个指标。富时罗素ESG评级系统仅使用公共数据。到2020年为止，FTSE评分约800只A股，1800只中国上市公司证券，只有得分在2.5分（0-5分）及以上的公司才能被纳入。每日及每月股票价格数据。从Tushare数据社区收集每日和每月股票价格数据。抽取的样本覆盖时间范围为2019-2021年。
　　5.2回归分析
　　截面数据回归分析如前所述，A股上市交易公司的ESG相关信息披露并非强制性的。大多数ESG评级机构只能依靠公开信息进行评级，如年度财务报表、投资者报告等。由于研究对象是ESG表现与超额收益的关系，因此需要将没有ESG得分的公司排除在外。经过数据筛选，在300家公司中，留下了261个有效值（24个月）。下一步根据ESG得分对这些公司进行排序，然后根据ESG得分将样本观察分为两组：ESG得分高的公司和ESG得分低的公司。横截面数据回归分析将重复3次，回归得到的系数分别对应高ESG组、低ESG组和整体样本。最后，回归分析将涵盖不同的时间范围。由于成体系的ESG评分是在近年来才逐步推广，则时间越往前追溯则数据缺失程度越高，为了有足够的数据进行回归分析，首先x择的时间范围是2019年6月-2020年6月。然后将数据覆盖范围从12个月扩大到24个月，即从2019年6月到2021年7月。表1中列出了ESG表现于超额回报率的关系。
　　从结果中可以清晰地发现，如果不将ESG表现分组，而将其视为一个连续的整体，则其系数均为负值，也就是说按照前文所述的研究框架，不论在12个月还是24个月的时间跨度上，A股市场均显示出了统计显著的ESG正向偏好。同时还可以发现，和很多以前研究的结果类似，ESG的正向偏好在较短的时间区间内（12个月）显示出了更强的统计显著性。
　　为了进一步探究ESG偏好是否具有行业特殊性，再次将筛选出的数据进行分类，按照行业为依据，将其划分为不同行业下的截面数据，然后再分别对其进行回归分析，表2中列出了不同行业下ESG表现于超额回报率的关系。
　　通过回归结果分析可知，ESG偏好在统计上不具有显著性，也就是说在A股市场上来看，不同行业之间的ESG偏好虽然有差别，但这种差别并不显著。结合第一部分的整体回归分析，可以推断对于ESG的偏好是一种整体性的偏好，不因行业的变动而变动。
　　6结论
　　A股市场的预期股票回报率与ESG表现呈现了一种负相关的关系，本文经过分析认为这些负相关的关系代表了A股整体市场对于ESG表现的正向偏好，也就是说A股的投资者们，具有对“绿色公司”的偏好，持有这类公司可以给投资者带来非经济利益的效用。因此投资者们愿意承担较低的预期回报率，由于低回报率带来的效用损失，将通过非经济收益得到补偿。
　　参考文献
　　［1］李谨.我国A股市场ESG风险溢价与额外收益研究[N].证券市场导报，2021，（06）.
　　[2]周萧潇，刘均伟.ESG投资与ESG因子策略：多因子系列报告之二十七[R].光大证券研究报告，2020，（01）.
　　[3]GunnarFriede，TimoBusch&AlexanderBassen.ESGandfinancialperformance：aggregatedevidencefrommorethan2000empiricalstudies[J].JournalofSustainableFinance&Investment，2015，12（5）.
　　[4]Pastor，L.，R.F.Stambaugh，andL.A.Taylor.Sustainableinvestinginequilibrium[J].JournalofFinancialEconomics，2021，（11）.
　　[5]DavidC.Broadstock，KalokChan，LouisT.W.Cheng，etal.TheroleofESGperformanceduringtimesoffinancialcrisis：EvidencefromCOVID-19inChina[J].FinanceResearchLetters，2020，（08）.
　　[6]Fama，E.F.andK.R.French.Commonriskfactorsinthereturnsonstocksandbonds[J].JournalofFinancialEconomics，1993，33（1）.
　　[7]Fama，E.F.andK.R.French.Afifive-factorassetpricingmodel[J].JournalofFinancialEconomics116（1），122.29.2014，10.
　　[8]Fama，E.F.andK.R.French.Choosingfactors[J].JournalofFinancialEconomics，128（2），234252.2018.05.


转载注明来源:https://www.xzbu.com/2/view-15445682.htm